論文の概要: Tracking Conversations: Measuring Content and Identity Exposure on AI Chatbots
- arxiv url: http://arxiv.org/abs/2604.27438v1
- Date: Thu, 30 Apr 2026 05:25:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:53.933554
- Title: Tracking Conversations: Measuring Content and Identity Exposure on AI Chatbots
- Title（参考訳）: 会話の追跡 - AIチャットボットにおけるコンテンツとアイデンティティの露出の測定
- Authors: Muhammad Jazlan, Ethan Wang, Yash Vekaria, Zubair Shafiq,
- Abstract要約: 通常のチャットでネットワークトラフィックをキャプチャして比較し、サポート対象はプライベートチャットです。
20のチャットボットのうち17つは、少なくとも1人のサードパーティと情報を共有している。
15のチャットボットが会話URLやチャット識別子を、サードパーティの広告、分析、ソーシャルエンドポイントと共有する。
- 参考スコア（独自算出の注目度）: 10.690770768009777
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI chatbots are becoming a primary interface for seeking information. As their popularity grows, chatbot providers are starting to deploy advertising and analytics. Despite this, tracking on AI chatbots has not been systematically studied. We present a systematic measurement of web tracking on 20 popular AI chatbots. Under controlled settings using a sensitive prompt, we capture and compare network traffic in normal chats and, where supported, private chats. We search for exposure of two categories of information: content, including prompts, prompt-derived titles, chat URLs, and chat identifiers; and identity, including names, emails, account identifiers, first-party cookies, and explicit IP/User-Agent fields in payloads. We find that 17 of 20 chatbots share information with at least one third party. Three chatbots share plaintext conversation text, including both prompt and response snippets, with Microsoft Clarity through session replay. Fifteen chatbots share conversation URLs or chat identifiers with third-party advertising, analytics, or social endpoints. Several chatbots expose user identity through support widgets, analytics, advertising, and session replay tags; in some cases, hashed emails are shared.
- Abstract（参考訳）: AIチャットボットは、情報を求めるための主要なインターフェースになりつつある。
人気が高まるにつれて、チャットボットプロバイダーは広告やアナリティクスの展開を始めている。
それにもかかわらず、AIチャットボットのトラッキングは体系的に研究されていない。
本稿では、20の人気のAIチャットボット上でのWebトラッキングの体系的計測について述べる。
センシティブなプロンプトを使って制御された設定の下では、通常のチャットやサポート対象のプライベートチャットでネットワークトラフィックをキャプチャして比較します。
コンテンツ、プロンプト、プロンプトから派生したタイトル、チャットURL、チャット識別子、および名前、メール、アカウント識別子、ファーストパーティクッキー、ペイロード内の明示的なIP/User-Agentフィールドを含むアイデンティティーの2つのカテゴリを検索する。
20のチャットボットのうち17つは、少なくとも1人のサードパーティと情報を共有している。
3つのチャットボットは、プロンプトとレスポンスのスニペットを含むプレーンテキストの会話テキストをセッションの再生を通じてMicrosoft Clarityと共有する。
15のチャットボットが会話URLやチャット識別子を、サードパーティの広告、分析、ソーシャルエンドポイントと共有する。
いくつかのチャットボットは、ウィジェット、アナリティクス、広告、セッション再生タグを通じてユーザーアイデンティティを公開する。
関連論文リスト
- Ask ChatGPT: Caveats and Mitigations for Individual Users of AI Chatbots [10.977907906989342]
ChatGPTや他のLLM(Large Language Model)ベースのAIチャットボットは、個人の日常生活にますます統合される。
これらのシステムが個々のユーザーにどのような懸念とリスクをもたらすのか?
それらが引き起こす可能性のある潜在的な害は、どのように軽減されるのか?
論文 参考訳（メタデータ） (2025-08-14T01:40:13Z) - Bots can Snoop: Uncovering and Mitigating Privacy Risks of Bots in Group Chats [2.835537619294564]
SnoopGuardはセキュアなグループメッセージングプロトコルで、チャットボットに対するユーザのプライバシを保証する。
SnoopGuardは、$O(log n + m)$メッセージ送信の複雑さを、SoAプロトコルの$O(log n + m)$と比較して達成する。
論文 参考訳（メタデータ） (2024-10-09T06:37:41Z) - ProxyGPT: Enabling User Anonymity in LLM Chatbots via (Un)Trustworthy Volunteer Proxies [12.552035175341894]
大規模言語モデル(LLM)のためのプライバシ強化システムであるProxyGPTを提案する。
従来のプロキシシステムとは異なり、ProxyGPTは"ユーザ"層で動作し、アイデンティティが要求される環境でブラウザとのインタラクションをプロキシする。
我々は、TLSデータ証明のための最新のWeb証明プロトコルを用いて、定期的な整合性監査を行うことにより、悪意のあるプロキシを防止する。
論文 参考訳（メタデータ） (2024-07-11T18:08:04Z) - WildChat: 1M ChatGPT Interaction Logs in the Wild [88.05964311416717]
WildChatは100万件のユーザー・チャットGPT会話のコーパスで、250万回以上のインタラクション・ターンで構成されている。
タイムスタンプによるチャットの書き起こしに加えて、州、国、ハッシュIPアドレスを含む人口統計データでデータセットを豊かにします。
論文 参考訳（メタデータ） (2024-05-02T17:00:02Z) - InternGPT: Solving Vision-Centric Tasks by Interacting with ChatGPT
Beyond Language [82.92236977726655]
InternGPTは textbfinteraction, textbfnonverbal, textbfchatbot の略である。
InternGPT(iGPT)という対話型視覚フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-09T17:58:34Z) - Neural Generation Meets Real People: Building a Social, Informative
Open-Domain Dialogue Agent [65.68144111226626]
Chirpy Cardinalは、情報と会話の両方をねらっている。
ユーザーとボットの両方を交互に会話に駆り立てる。
Chirpy Cardinalは、Alexa Prize Socialbot Grand Challengeで9つのボットのうち2位にランクインした。
論文 参考訳（メタデータ） (2022-07-25T09:57:23Z) - A Deep Learning Approach to Integrate Human-Level Understanding in a
Chatbot [0.4632366780742501]
人間とは異なり、チャットボットは一度に複数の顧客にサービスを提供し、24/7で提供され、1秒以内で返信できる。
深層学習を用いて感情分析,感情検出,意図分類,名義認識を行い,人文的理解と知性を備えたチャットボットを開発した。
論文 参考訳（メタデータ） (2021-12-31T22:26:41Z) - Put Chatbot into Its Interlocutor's Shoes: New Framework to Learn
Chatbot Responding with Intention [55.77218465471519]
本稿では,チャットボットに人間のような意図を持つための革新的なフレームワークを提案する。
我々のフレームワークには、ガイドロボットと人間の役割を担うインターロケータモデルが含まれていた。
本フレームワークを3つの実験的なセットアップを用いて検討し,4つの異なる指標を用いた誘導ロボットの評価を行い,柔軟性と性能の利点を実証した。
論文 参考訳（メタデータ） (2021-03-30T15:24:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。